Se descargaron archivos .tif desde Google Earth Engine.

El primer raster fue para la zona de Algarrobo con un área de 23km². Se uso la misma área para cada población

Exportación de imagen a Google Drive

Temporada Verano 2015:

R_summer15 <-raster("~/Documents/R Studio/pyrifera/rasters/rasters_algarrobo/summer15_alg.tif")

summer15 <- data.frame("Lon"=coordinates(R_summer15)[,1],
                       "Lat"=coordinates(R_summer15)[,2],
                       "Values"=values(R_summer15),
                       "Season"="Summer15")

Se realizó para cada temporada del periodo Verano2015-Invierno2019 y se unieron en un dataframe

kelp_alg_raw <- bind_rows(summer15, autumn16, winter16, spring16,    
                          summer17, autumn18, winter18, spring18, 
                          summer18, autumn19, winter19)

Y se removieron todos los valores == 0

kelp_alg <- kelp_alg_raw %>% filter(Values>0)

ggplot() +
  theme_bw() +
  geom_bin2d(data = kelp_alg, aes(x = Lon, y = Lat), bins = 30) +
  scale_fill_gradientn(colours = kelp_palette, name = "Kelp Index", n.breaks = 4) +
  geom_path(data = alg_map, mapping = aes(x = long, y = lat, group = group)) +
  coord_quickmap(xlim = c(-71.745,-71.645), ylim = c(-33.4,-33.34), expand = FALSE) +
  xlab("Longitud") +
  ylab("Latitud") +
  labs(title = "Algarrobo") 

Datos de temperatura superficial obtenidos de https://oceancolor.gsfc.nasa.gov/l3/ para:
Longitud (-70,-75)
Latitud (-17,-56)

Verano 2015

sst_SNSU15 <- raster("~/Documents/R Studio/pyrifera/MODIS/SST_chileMODIS.SST.2015.SNSU.nc", 
                     varname = "sst")
smr15 <- data.frame("Lon"=coordinates(sst_SNSU15)[,1],
                    "Lat"=coordinates(sst_SNSU15)[,2],
                    "SST"=values(sst_SNSU15),
                    "Season"="Summer15")

Todas las temporadas

SST_CHL <- bind_rows(smr15, aut16, win16, spg16,
                     smr16, aut17, win17, spg17,
                     smr17, aut18, win18, spg18,
                     smr18, aut19, win19)

Excluye las poblaciones ya mostradas y se encuentran entre:
Latitud: -41.48, -33.34
Longitud: -73.98, -71.62

kelp40 <- readRDS("~/Documents/R Studio/pyrifera/data/13ene/kelp40")
SST_CHL <- readRDS("~/Documents/R Studio/pyrifera/data/SST_CHL.rds")
CHL <- readRDS("~/Documents/R Studio/pyrifera/data/13ene/CHL_bcn")

SST40 <- SST_CHL %>% 
  filter(Lon > -73.98 & Lon < -71.62, Lat > -41.48 & Lat < -33.34) %>% 
  filter(!is.na(SST)) %>% 
  filter(!(Lon > -73.1 & Lon < -71.5 & Lat > -41.48 & Lat < -37.42))

CHL40 <- CHL %>% filter(long > -73.98 & long < -71.62,
                        lat > -41.48 & lat < -33.34)

ggplot() +
  theme_bw() +
  geom_tile(data = SST40, aes(x = Lon, y = Lat, fill = SST)) +
  scale_fill_gradient2(low = "#2C7BB6", mid = "#5d567c", high = "#D7191C", midpoint = 14.5,
                       n.breaks = 6, limits = c(8,30), name = "SST (ºC)") + 
  new_scale("fill") + #ggnewscale
  geom_bin2d(data = kelp40, aes(x = Lon, y = Lat), bins = 200) +
  scale_fill_gradientn(colours = kelp_palette, name = "KD Total", n.breaks = 4, limits = c(1,36)) +
  geom_polygon(data = CHL40, mapping = aes(x = long, y = lat, group = group)) +
  coord_quickmap(xlim = c(-73.98,-71.62), ylim = c(-41.48,-33.34), expand = FALSE) +
  xlab("Longitud") +
  ylab("Latitud") +
  labs(title = "KD Total de 40 poblaciones",  subtitle = "Temporada Verano2015-Invierno2019") +
  theme(plot.title = element_text(hjust = 0.5), plot.subtitle = element_text(hjust = 0.5)) 

ggplot() +
  theme_bw() +
  geom_tile(data = SST_alg, aes(x = Lon, y = Lat, fill = SST)) +
  scale_fill_gradient2(low = "#2C7BB6", mid = "#5d567c", high = "#D7191C", midpoint = 14.62,
                       n.breaks = 6, limits = c(8,30), name = "SST (ºC)") + 
  new_scale("fill") + #ggnewscale
  geom_bin2d(data = kelp_alg, aes(x = Lon, y = Lat), bins = 50) +
  scale_fill_gradientn(colours = kelp_palette, name = "KD Total", n.breaks = 4, limits = c(1,36)) +
  geom_path(data = CHL_alg, mapping = aes(x = long, y = lat, group = group)) +
  coord_quickmap(xlim = c(-71.74,-71.65), ylim = c(-33.40,-33.34), expand = FALSE) +
  xlab("Longitud") +
  ylab("Latitud") +
  labs(title = "KD Acumulado de Algarrobo",  subtitle = "Temporada Verano2015-Invierno2019") +
  theme(plot.title = element_text(hjust = 0.5), plot.subtitle = element_text(hjust = 0.5))

Observando los datos de KD y SST de Algarrobo para cada temporada y considerando que un punto con un KD >= 11 se considera significativo, se pueden hacer gráficos más específicos

El verano 2015 tiene el KD más alto (34) El otoño 2016 tiene la mayor cantidad de puntos

K11_alg <- kelp_alg %>% filter(Values >= 11)
summary(K11_alg)

K11_S15 <- K11_alg %>% filter(Season == "Summer15")
summary(K11_S15)
K11_A16 <- K11_alg %>% filter(Season == "Autumn16")
summary(K11_A16)

SST_S15 <- SST_alg %>% filter(Season == "Summer15")
SST_A16 <- SST_alg %>% filter(Season == "Autumn16")

Crear un registro de las poblaciones de Macrocystis desde Perú hasta Chiloe en ojalá un periodo mayor a 5 años.

• Dinámicas interanuales y estacionales.
• Dinámicas poblacionales
  • Relación entre el crecimiento y la densidad
  • Recolonización y permanencia
• Dinámicas metapoblacionales
• Dinámicas entre parches
• Determinación de eventos extremos y su efecto en la población local

No tenemos los nombres de las ecorregiones para Perú y el norte